臨床的に解釈可能な機械学習モデルで,簡単なBEVベースのメトリックを使用して心臓の平均用量を予測します
1Department of Radiation Physics, Kidwai Memorial Institute of Oncology, Bengaluru, Karnataka 560029, India.
まとめ
機械学習は,シンプルなビームの目視 (BEV) メトリックを使用して,乳がん放射線療法における平均心臓用量 (MHD) を正確に予測します. これにより,放射線によって引き起こされる心臓の毒性を減らすために,心臓を節約するテクニックを早期に選択することができます.
科学分野:
- 放射線腫瘍学 放射線腫瘍学
- 医学物理 医学物理学
- 医療における機械学習
背景:
- 放射線によって引き起こされる心臓の毒性は,左側乳がん放射線療法における重要な懸念事項である.
- 平均心臓用量 (MHD) は,長期的な心疾患の重要な予測指標である.
- MHDの正確な予測は,心臓を節約する戦略を実装するために不可欠です.
研究 の 目的:
- MHDを予測するための臨床的に解釈可能な機械学習モデルを開発する.
- MHD予測のためのシンプルビーム・オブ・アイ・ビュー (BEV) ベースの心臓投影メトリクスを利用する.
- 治療前の迅速な評価と放射線療法技術の選択を可能にするために.
主な方法:
- 左乳房/胸壁の放射線治療を施した127人の患者の遡及的分析.
- タンゲンシャルフィールドからの心臓の投影 (水平および垂直) の測定.
- クロス検証を用いた多変量線形回帰およびロジスティック回帰モデルの開発.
主要な成果:
- 線形回帰モデルは強力な予測性能 (R2=0.69,RMSE=0.61 Gy) と有意な相関関係 (r=0.83,p<0.001) を示した.
- 独立した検証により,予測の精度がさらに向上しました (R2=0.76,r=0.90,p<0.001).
- ロジスティック分類器は,用量ベースの技術選択で88%の精度と高い差別性 (AUC=0.95) を達成しました.
結論:
- シンプルなBEVベースの心臓投影メトリックは,左側乳がん放射線療法におけるMHDを確実に予測することができます.
- 開発された機械学習モデルは,前処理評価のための実用的なツールを提供します.
- このアプローチは,心臓を節約する放射線療法の早期選択をサポートし,潜在的に心臓疾患を減らすことができます.
